在海事采购中，买家的注意力是最稀缺的资源，而大部分注意力都花在了不该花的地方。典型买家每年要处理每艘船约 250 份请购单，负责五到六艘船（Thetius and Marcura，*赢得信任：海事领域的 AI*，2026 年）。我们经常看到，买家花时间处理一件重要性较低、价值 5,000 美元的物品，却较少关注价值 50,000 美元的备件。AI 在采购中的作用，就是将注意力转移到需要判断力的地方；而它要赢得这样做的资格，就必须展示其推理过程、从纠正中学习，并自行承担核查工作。买家需要做出的决定变少了，掌握的信息却更充分，而决策权仍属于买家。
耗费买家一周时间的常规订单
我刚开始做采购时，供应商报价是通过传真发来的，我们常常拿着尺子逐行核对比较。此后工具进步了很多，业务量也大幅增加；但流程顺序并没有改变。买家收到船舶的请购单，确定供应商，发送询价单，等待回复，统一报价格式，根据合同条款进行评估，然后签发采购订单。
一份常规的油漆请购单，从开始到完成可能需要两到四天，其中大部分时间都在等待报价，实际投入的工作则要好几个小时，而这笔交易与上个月的几乎完全相同。典型船舶约有 70% 至 80% 的交易都是如此：消耗品、标准备件、食品物资、常用化学品和润滑油。这些交易可以重复处理，情况也很明确，却占用了买家一周中不成比例的时间。
真正的代价，是那些因此被挤到一边的工作。要在数百份请购单中判断哪些最需要审查，靠人脑根本无法完成这项计算，于是 5,000 美元的物品占用了整个下午，而 50,000 美元的备件只能分到剩余时间。
当今买家对 AI 的期待
过去一年，相关讨论明显发生了变化。一年前，会议快结束时，AI 还是一个出于好奇才提出的话题。如今，采购负责人一开场就会谈到 AI。他们的需求很具体：减少从请购到采购订单流程中的人工操作；当首选供应商无法在特定港口的交付期限内供货时，提供经过资质审核的替代供应商；以及提高整个船队的支出可见性。
尽管如此，买家关注的核心仍然是价格、供货能力和服务。这三点没有被取代，我认为它们永远也不会被取代。变化在于，如今大家默认 AI 是实现这些目标的手段。成熟的买家希望缩短周期、减少错误，并让审计记录更加清晰，无论这些目标是通过语言模型还是设计良好的工作流程实现。AI 被视为实现目标的工具，而不是终点。真正的问题是，买家愿意在什么条件下让系统接手自己的工作。
买家信任 AI 的四个前提
在近期的Purchaser AI 演示中，最常见的问题已不再是“它能做什么？”，而是“它为什么选择这家供应商？”这个问题提出了第一个前提：系统必须在工作流程中解释每一项建议。买家可以直接看到推理依据：价格差异、交货周期、合同合规情况以及标记出的任何例外。如果买家无法在十秒内回答“为什么选这家供应商？”，那么无论建议多准确，都不会获得信任。
第二个前提是，买家可以推翻系统的建议，而且系统会以买家能够看见的方式从中学习。在 Purchaser AI 早期试点中，最初三个月内的人工改判率有所下降，因为系统从买家之前的纠正中学到了东西。买家并没有停止审查。他们并不是在寻求永远正确的 AI，而是希望 AI 能坦诚说明自己不知道什么，并以他们看得见的方式不断改进。
第三个前提是，按照客户自己的关键绩效指标衡量结果，也就是财务总监已经在跟踪的那些数据。第四个前提是数据治理：买家需要知道，他们的交易数据、合同条款和供应商关系不会被用于训练模型，让竞争对手从中受益。
这四个前提背后，是报告所说的“验证税”：在有人愿意据此采取行动之前，花在核查 AI 工作成果上的时间。平台的价值正是在这里体现出来。我们可以替买家承担大部分验证成本：每当我们开发一项功能，都会用真实案例进行测试，让客户不必亲自测试，并向他们展示结果。AI 要赢得信任，就必须公开透明地说明推理过程，坦诚面对自身局限，以结果衡量成效，并严格管理所用数据。如果做不到这些，买家保持谨慎完全有道理。
AI 能替买家接手哪些工作
开发 Purchaser AI 时，我们梳理了从采购源头到付款的整个流程，并找出其中行政事务繁重的工作，因为 AI 必须通过解决买家实际面临的问题来证明自己的价值；有些事情用电子表格处理就够了。我们正在朝这个方向推进：以 Purchaser AI 作为决策引擎，打造一项能够接收经过验证的请购单，根据价格、供货能力、合同条款和过往表现找到合适供应商，执行寻源流程，并提交一份附有推理依据、可直接审批的建议。买家审核后作出授标决定。
授标后，管控仍会继续。Marcura Procure to Pay 会在明细行层级匹配采购订单、发票、交货单和船舶确认信息，并标记差异，让应付账款 团队能够了解每项匹配建议的依据。寻源和发票处理使用同一套互联数据，这一点的重要性超出许多人的预期：基于孤立数据集运行的 AI 只能获得片面的视角，而互联数据胜过干净数据。每次寻源都会让下一次建议更加精准，而买家则能重新获得一种无法购买的东西：时间。
仍应由人来作出的决定
节省下来的时间，可以投入到应由人主导的工作中：在情况模糊时作出判断、建立信任，以及为事后评估的结果承担责任。以我们经常遇到的一种情况为例：一艘船需要在 72 小时内于新加坡获得一件关键备件，而首选供应商已无现货。
Purchaser AI 可以列出三家符合资质的替代供应商，并根据价格、交货周期和过往表现进行排序。但是否接受高出 40% 的价格，或将船舶改道至首选供应商能够交货的港口，是一项涉及承租人、技术总监和船队经理的商业判断。AI 应为这项决策提供信息，而不应代为作出决定。业界对此也有共识：80% 的受访者希望每项商业决策都由一名明确指定的人员承担责任，无论 AI 的能力会提升到什么程度（Thetius and Marcura，2026 年）。
还有一类常被人们低估的因素：非正式的人际关系。备件卡在海关时打给供应商的那通电话；买家实地拜访供应商经营场所时建立的信任。这些关系在流程图上看起来效率不高，却是建立韧性的关键。当凌晨三点、船舶位于西非海岸附近时发生意外，与供应商建立了这种关系的买家就能拿到零件；没有这种关系的买家只能等待。这一层关系值得保护，而不应“被优化到消亡”。它绝不该以 AI 为先，而应以人为先，其他工作则由 AI 提供支持。
AI 接手那些原本就不需要判断力的工作，且整个过程都在买家可审查的条件下进行，从而让买家腾出时间处理真正需要判断力的工作。我们从一开始就让人参与其中，因为在交出更多决策权之前，必须先通过实践赢得人们对 AI 建议的信心。
AI 是接口，数据和行业知识才是护城河。
索里什·南迪
采购创新副总裁
